Python PyQt上位机项目应用：温控系统监控实例

Ne0inhk

— 8 min read

用Python+PyQt打造工业级温控监控上位机：从零到实战

在工厂车间的一角，一台老式温控箱正默默运行。它的前面板只有几个闪烁的数码管和按钮，操作员每隔一小时就要手动记录一次温度数据——这种场景你是否似曾相识？而在隔壁的新产线，同样的设备却已接入了一套可视化监控系统：实时曲线、越限报警、历史回放、远程配置……所有信息尽在眼前。

这背后的关键，就是 上位机软件 。

今天，我们就以一个真实的温控系统监控项目为蓝本，手把手带你用 Python + PyQt 搭建一套功能完整、稳定可靠的工业监控界面。不讲空话，只聊实战。

为什么选择PyQt做上位机？

很多人第一反应是：“不是有组态王、WinCC这些专业工具吗？”确实，大型系统离不开它们。但对中小型项目、教学实验或快速原型开发来说，这些商业软件显得“杀鸡用牛刀”了。

而 Python 配合 PyQt，则提供了另一种可能：

  • 开发效率高：语法简洁，代码量少
  • 跨平台运行：Windows/Linux/macOS 通吃
  • 成本几乎为零：开源免费，无需授权
  • 社区资源丰富：大量第三方库支持
  • 易于集成AI与数据分析模块

更重要的是，它足够“轻”，却又足够“强”。

我们这次要做的，就是一个典型的温控监控系统：PC通过串口读取下位机（比如STM32）上传的温度数据，实时显示并绘图，支持报警、参数设置和数据存储。整个过程完全由你自己掌控，没有黑盒。

界面搭建：用PyQt画出第一个窗口

先别急着接硬件，咱们先把脸面做好。

PyQt 是 Qt 框架的 Python 封装，其中 PyQt5 目前仍是主流选择。它基于事件驱动模型，核心是一个 QApplication 实例，负责管理整个程序的生命周环。

下面这段代码，创建了一个最基础的监控窗口：

import sys from PyQt5.QtWidgets import QApplication, QWidget, QVBoxLayout, QLabel, QPushButton class TemperatureMonitor(QWidget): def __init__(self): super().__init__() self.init_ui() def init_ui(self): layout = QVBoxLayout() # 当前温度显示 self.temp_label = QLabel("当前温度：--℃") self.temp_label.setStyleSheet("font-size: 18px; color: #333;") # 报警提示按钮（初始隐藏） self.alert_button = QPushButton("⚠️ 超温报警！") self.alert_button.setStyleSheet("background-color: red; color: white; font-weight: bold;") self.alert_button.hide() # 默认不显示 layout.addWidget(self.temp_label) layout.addWidget(self.alert_button) self.setLayout(layout) self.setWindowTitle("温控系统监控 - 上位机") self.resize(400, 200) self.show() if __name__ == '__main__': app = QApplication(sys.argv) window = TemperatureMonitor() sys.exit(app.exec_())

就这么几十行，你就有了一个带标签和按钮的窗口。而且用了 QVBoxLayout 布局管理器，哪怕你拉伸窗口大小，控件也会自动对齐排列。

但这只是个“壳”。真正让它活起来的，是接下来的 串口通信 。

串口通信：让上位机“听见”下位机的声音

工业现场最常见的通信方式是什么？不是Wi-Fi，也不是蓝牙，而是—— 串口 。

RS-232、TTL、Modbus RTU……这些名词听起来古老，但在抗干扰性、稳定性、成本方面依然无可替代。我们的任务，就是让 Python 听懂这串“嘀嘀嘀”的数据流。

这里要用到一个神器： pyserial 。

安装很简单：

pip install pyserial

然后写一个独立工作的“监听工人”——我们把它放进子线程里，避免卡住主界面：

import serial import threading from PyQt5.QtCore import QObject, pyqtSignal class SerialWorker(QObject): data_received = pyqtSignal(float) # 自定义信号，用于传温度值 def __init__(self, port='COM3', baudrate=9600): super().__init__() try: self.ser = serial.Serial(port, baudrate, timeout=1) self.running = True except Exception as e: print(f"无法打开串口 {port}: {e}") self.running = False def start_reading(self): while self.running and self.ser.is_open: if self.ser.in_waiting > 0: line = self.ser.readline().decode('utf-8').strip() try: temp = float(line) self.data_received.emit(temp) # 发射信号给主线程 except ValueError: continue # 忽略非法数据 def send_command(self, cmd): """向下位机发送指令""" if self.ser.is_open: self.ser.write(f"{cmd}\r\n".encode()) def stop(self): self.running = False if self.ser.is_open: self.ser.close()

注意几个关键点：

  • 多线程安全 ：串口读取不能放在主线程！否则一旦阻塞，整个GUI就会卡死。
  • 信号传递 ：使用 pyqtSignal 在线程间通信，这是 Qt 推荐的安全做法。
  • 异常处理 ：串口可能被占用、断开或收到乱码，必须加 try-except 保护。
  • 协议容错 ：实际项目中建议增加帧头识别、CRC校验等机制。

启动时，你可以这样用：

worker = SerialWorker('COM3', 115200) thread = threading.Thread(target=worker.start_reading, daemon=True) thread.start()

设成 daemon=True 表示主线程退出时自动结束子线程，防止程序关不掉。

实时绘图：让数据“动”起来

光看数字不过瘾，我们要看到趋势变化。这就轮到 pyqtgraph 登场了。

相比 Matplotlib， pyqtgraph 是专为实时数据设计的绘图库，基于 OpenGL 加速，轻松实现每秒数千点的刷新率，CPU 占用还低。

安装命令：

pip install pyqtgraph

来，我们封装一个滚动波形图组件：

import pyqtgraph as pg from PyQt5.QtCore import QTimer class RealTimePlot: def __init__(self, plot_widget: pg.PlotWidget): self.plot_widget = plot_widget self.plot_widget.setLabel('left', '温度 (°C)') self.plot_widget.setLabel('bottom', '时间 (s)') self.plot_widget.setTitle('实时温度曲线') self.plot_widget.setYRange(0, 100) # 初始范围 self.plot_widget.showGrid(x=True, y=True) self.curve = self.plot_widget.plot(pen='g') # 绿色曲线 self.buffer_size = 100 self.x_data = list(range(self.buffer_size)) self.y_data = [0] * self.buffer_size self.timer = QTimer() self.timer.timeout.connect(self.update_plot) def update_data(self, new_temp): """接收新数据""" self.y_data = self.y_data[1:] + [new_temp] # 动态调整Y轴范围 min_y = max(0, min(self.y_data) - 5) max_y = max(self.y_data) + 5 self.plot_widget.setYRange(min_y, max_y) def update_plot(self): """定时刷新图像""" self.curve.setData(self.x_data, self.y_data) def start(self): self.timer.start(100) # 每100ms刷新一次，即10FPS

使用也很简单，在UI中嵌入一个 PlotWidget ：

from pyqtgraph import PlotWidget # 在 init_ui 中添加 plot_widget = PlotWidget() layout.addWidget(plot_widget) self.plotter = RealTimePlot(plot_widget) self.plotter.start()

当 SerialWorker 收到温度后，调用 self.plotter.update_data(temp) ，曲线就会自动向前滚动，像心电图一样流畅。

完整交互逻辑：把所有模块串起来

现在四个核心部件都有了：

  1. GUI界面（PyQt）
  2. 数据接收（pyserial + 多线程）
  3. 数据展示（pyqtgraph）
  4. 用户控制（按钮、输入框）

怎么让它们协同工作？

答案还是那个法宝： 信号与槽机制 。

举个例子，当下位机传来温度数据时：

# 连接信号 worker.data_received.connect(self.on_temperature_update) def on_temperature_update(self, temp): # 更新LCD显示 self.temp_label.setText(f"当前温度：{temp:.1f}℃") # 检查是否超限 if temp > 80 or temp < 30: self.alert_button.show() else: self.alert_button.hide() # 更新图表 self.plotter.update_data(temp) # 存入日志文件 self.log_data(temp)

用户点击“设置目标温度”按钮时：

def set_target_temp(self): target = self.target_input.text() # 来自 QLineEdit try: value = float(target) worker.send_command(f"SET_TEMP:{value}") except ValueError: QMessageBox.warning(self, "输入错误", "请输入有效数值")

整个系统就像一台精密的钟表，每个齿轮各司其职，靠“信号”咬合转动。

工程级细节：那些教科书不会告诉你的坑

你以为跑起来就万事大吉？真正的挑战才刚开始。

⚠️ 坑点1：程序退出后串口打不开？

原因：没正确关闭资源。一定要在退出前调用 worker.stop() 并等待线程结束。

解决方案：

def closeEvent(self, event): if hasattr(self, 'worker'): self.worker.stop() event.accept()

⚠️ 坑点2：数据显示跳变、乱码？

原因：串口收到不完整帧或噪声干扰。

秘籍：
- 添加帧头检测，如以 $TEMP: 开头
- 使用环形缓冲区重组数据包
- 对关键指令启用 CRC 校验

⚠️ 坑点3：长时间运行内存暴涨？

原因：列表不断追加，未限制长度。

对策：
- 使用固定长度的 deque 缓冲区
- 或定期清理旧数据

from collections import deque self.y_data = deque([0]*100, maxlen=100)

✅ 秘籍加分项：

  • 用 QSettings 保存上次使用的串口号和波特率，用户体验直接拉满；
  • 日志文件按日期命名，格式为 temp_log_20250405.csv ，便于后期分析；
  • 加一个“静音报警”按钮，别让蜂鸣器吵翻天。

架构再思考：我们到底在做什么？

回头看这个系统的结构：

 [下位机] ↓ (UART) [SerialWorker] ↓ (signal) [Central Logic] ↙ ↘ [UI Update] [Data Logging] ↘ ↙ [RealTimePlot]

我们其实在构建一个微型的 数据中枢 ：采集 → 解析 → 分发 → 展示 → 存储。

这正是现代工业系统的基本范式。只不过今天我们用几百行 Python 就实现了。

未来你能做什么？

  • 接数据库（SQLite/MySQL），支持海量查询
  • 加网络服务，用 Flask 或 WebSocket 实现远程监控
  • 引入机器学习模型，预测温度趋势提前预警
  • 打包成exe，发给客户一键安装

一切皆有可能。

如果你也在做类似的自动化项目，或者正被老旧HMI折磨得夜不能寐，不妨试试这条路。
不需要精通C++，也不必购买昂贵授权，只要你会写Python，就能亲手打造属于自己的工业级监控面板。

而这，或许就是智能制造最迷人的地方：
技术从未如此平易近人，却又蕴藏着改变现实的力量。

你在哪一刻，感受到了这种力量？欢迎留言分享。

Read more

OpenClaw龙虾图鉴：16只AI Agent选型指南

OpenClaw龙虾图鉴：16只AI Agent选型指南

这里写目录标题 * 🦞 OpenClaw龙虾图鉴：16只AI Agent选型指南 * 🎯 快速选型指南 * 🥇 第一梯队：官方正统 * 1️⃣ OpenClaw - 原生官网框架 * 2️⃣ 🌙 KimiClaw - 云端大存储+Kimi K2.5 * 3️⃣ ⚡ MaxClaw - 成本杀手，10秒部署 * 🥈 第二梯队：极客专精 * 4️⃣ 🔥 NullClaw - 678KB极致疯子 * 5️⃣ 🦀 OpenFang - Rust生产级Agent OS * 6️⃣ 🐍 Nanobot - Python死忠粉 * 7️⃣ 🤖 NanoClaw - 多Agent协作狂魔 * 🥉 第三梯队：场景特化 * 🌱 第四梯队：新兴潜力股 * 1️⃣5️⃣ 🌱 EasyClaw -

By Ne0inhk
【保姆级教程】小白也能搞定！手把手教你部署AI小说生成器

【保姆级教程】小白也能搞定！手把手教你部署AI小说生成器

目录 一、 磨刀不误砍柴工：环境准备 二、 第一次安装：给代码安个家 第一步：把项目“搬”回家 第二步：造一个专属“房间” 第三步：安装依赖 第四步：点火启动 三、 关机重启后：如何再次开启？ 四、 关键一步：配置“大脑”（API接口） 五、开始你的创作 六、写在最后：为什么推荐用蓝耘做“大脑”？ 在这个AI辅助创作爆发的时代，拥有一款属于自己的本地AI写作工具，无疑是许多文字工作者的梦想。最近拿到一份AI小说生成器的部署文档，虽然功能强大，但对于非技术出身的朋友来说，那些代码和命令行多少有些“劝退”。 别担心，今天我们就把这份“天书”翻译成“人话”，手把手带你从零开始，搭建属于你的AI创作助手。无论你是第一次安装，还是关机后不知道怎么重启，这篇教程都能帮你搞定。

By Ne0inhk
小白也能玩 OpenClaw？ToDesk AI桌面助手ToClaw 把门槛打到了零

小白也能玩 OpenClaw？ToDesk AI桌面助手ToClaw 把门槛打到了零

一、开篇 最近"小龙虾"彻底火出圈了。打开抖音、刷刷小红书，满屏都是 OpenClaw 的教程、测评和安装实录。更夸张的是，有人专门上门帮人部署，甚至有公司门口排起了长队——就为了装一只"龙虾"。 这波热度不亚于当年 ChatGPT 刚出来的时候。但热闹背后，有一个问题没人说清楚：这么多人在排队，到底在排什么？排的是环境配置、是服务器、是 API Key、是一堆看不懂的命令行。原生 OpenClaw 能力确实强，但它本质上是一个开源框架，想真正跑起来，你得先过技术这关。对普通用户来说，光是部署这一步，就足够劝退了。 所以问题来了——龙虾这么香，普通人就真的没办法吃到吗？ 还真不一定。ToDesk 悄悄做了一件事，把这只龙虾"

By Ne0inhk

AI如何自动生成一线与二线产区标准图

快速体验 1. 打开 InsCode(快马)平台 https://www.inscode.net 2. 输入框内输入如下内容： 开发一个AI工具，能够根据输入的地理数据自动生成一线产区和二线产区的标准图。功能包括：1. 数据采集模块，支持导入行政区划、经济指标等数据；2. 分类算法，根据GDP、人口密度等指标自动划分一线和二线产区；3. 可视化模块，生成标准地图并支持交互式查看。使用Python和GeoPandas库实现数据分析和地图绘制，前端使用Leaflet.js展示。 1. 点击'项目生成'按钮，等待项目生成完整后预览效果 AI如何自动生成一线与二线产区标准图 最近在做一个地理信息相关的项目，需要根据经济指标自动划分一线和二线产区，并生成标准地图。经过一番摸索，发现用AI辅助开发可以大大提升效率。下面分享我的实现思路和具体步骤。 数据采集模块 1. 首先需要收集基础地理数据，包括行政区划边界、GDP总量、人均GDP、人口密度等关键指标。

By Ne0inhk